spark中flatMap函數用法--spark學習（基礎）

 

在spark中map函數和flatMap函數是兩個比較常用的函數。其中 
map：對集合中每個元素進行操作。 
flatMap：對集合中每個元素進行操作然后再扁平化。 
理解扁平化可以舉個簡單例子

val arr=sc.parallelize(Array(("A",1),("B",2),("C",3))) arr.flatmap(x=>(x._1+x._2)).foreach(println)

輸出結果為

A
1 B 2 C 3

如果用map

val arr=sc.parallelize(Array(("A",1),("B",2),("C",3))) arr.map(x=>(x._1+x._2)).foreach(println)

輸出結果

A1
B2
C3

所以flatMap扁平話意思大概就是先用了一次map之后對全部數據再一次map。

實際使用場景

這個場景是我曾經在寫代碼過程中遇到的難題，在字符串中如何統計相鄰字符對出現的次數。意思就是如果有A;B;C;D;B;C字符串，則（A,B）,(C,D),(D,B)相鄰字符對出現一次，(B,C)出現兩次。 
如有數據

A;B;C;D;B;D;C B;D;A;E;D;C A;B

統計相鄰字符對出現次數代碼如下

data.map(_.split(";")).flatMap(x=>{ for(i<-0 until x.length-1) yield (x(i)+","+x(i+1),1) }).reduceByKey(_+_).foreach(println)

 

輸出結果為

(A,E,1) (E,D,1) (D,A,1) (C,D,1) (B,C,1) (B,D,2) (D,C,2) (D,B,1) (A,B,2)

此例子就是充分運用了flatMap的扁平化功能。